This report is aimed at those who are interested in data analysis and data blending. Decision making is crucial for an organization to succeed in today’s market. Data analysis is an important support activity in decision making and is applied in many industries, for example healthcare. For many years data analysts have worked on structured data in small volumes, with traditional methods such as spreadsheet. As new data sources emerged, such as social media, data is generated in higher volume, velocity and variety [1]. The traditional methods data analysts apply are no longer capable of handling this situation. Hence scientists and engineers have developed a new technology called data blending. Data blending is the process of merging, sorting, joining and combining all the useful data into a functional dataset [2]. Some of the well-known data blending platforms include Datawatch, Microsoft Power Query for Excel, IBM DataWorks and Alteryx [3]. Synergus AB is a consulting company engaged in health economics, market access and Health Technology Assessment (HTA) [4]. The company does analysis for their clients. Unfortunately the way they work is not efficient. New tools and methods need to be applied in the company. The company has decided to apply data blending in their daily work. My task in this project was to build datasets for analysis and create workflows for future use with a data blending platform. For my interest, I did a research on data blending to understand how this new technology works. During the project I have worked with four data sources. These were Microsoft Excel worksheet, CSV file, MS Access database and JSON file. I built datasets the company needs. I also preceded a case study on data blending process. I focused on the three steps of data handling, namely input, process and output. After the project, I reached a conclusion that data blending offers better performance and functionality. It is easy to learn and use, too. / Denna rapport vänder sig till de som är intresserad av data analys och datahantering. Belsut fattande är avgörande för en organisation att lyckas i dagens marknad. Data analys är en viktig stöd inom beslutfattande och tillämpas i många industrier, till exempel hälsovård. I många år har data analyster arbetat med strukturerad data i små volymer, med traditionella arbetsmetoder såsom kalkyblad. Med nya data källor uppstått, såsom sociala media, data är genererad i högre volym, högre hastighet och högre variation. De traditionella metoder data analyster använder är inte längre kapabla av att hantera denna situation. Därför har vetenskapsmän och ingenjörer utvecklat ett ny teknologi kallad datahantering. Datahantering är en process för att sammanfoga, sortera och kombinera all värdeful data till en funktionell dataset. Några av de välkända datahanteringsplatformer inkluderar Datawatch, Microsoft Power Query for Excel, IBM DataWorks and Alteryx. Synergus AB är ett konsultföretag engagerad inom hälsoekonomi, marknad tillträde, och Health Technology Assessment (HTA). Företaget gör analys för deras kunder. Tyvärr är de arbetsmetoder inom företaget inte effektiv. Nya verktyg och metoder måste tillämpas inom företaget. Synergus AB har beslutat att tillämpa datahantering i deras dagliga arbete. Mitt uppdrag i detta projekt var att bygga dataset för analys och skapa arbetsflöde för framtida användning med en datahanteringsplatform. För mitt eget intresse, jag utförde en studie av datahantering för att förstå hur denna nya teknologi fungerar. Under projektet har jag arbetat med fyra data källor. De var Microsft Excel kalkylblad, CSV fil, MS Access databas och JSON fil. Jag byggde dataset företaget behöver. Jag också utförde ett fall studie om datahanteringsprocess. Jag fokuserade mig på de tre steg inom datahantering, nämligen inmatning, bearbetning och utmatning. Efter projektet kom jag till en slutsats att datahantering erjuder bättre prestanda och funktionelitet. Det är också lätt att lära sig och använda.

Today’s technology companies have large amounts of streamed data flowing through their distributed systems in real time. In order to optimise and understand the effectiveness of their systems, they need to measure and analyse the data without disturbances in business flows. One way of doing this is to make use of Event Stream Processing (ESP). As more detailed insights are constantly requested, faster and more reliable real time processing is needed. The question is, if and how such a solution would affect the pre-existing systems performance and capabilities and how it could be implemented. This thesis develops an ESP system and compares different ways of solving the stated issue by comparing architectures, network protocols and data management methods. The system is then tested, analysed and compared to today’s commercially available software with the purpose of investigating how real-time event streams can be analysed and utilised in distributed systems. / Dagens teknikföretag har enorma mängder data som flödar i realtid genom distribuerade system. För att optimera och förstå effektiviteten av systemen behövs ett system för att analysera data utan att påverka pågående affärsflöden. Ett sätt att göra detta är genom processning av eventströmmar (ESP). Då mer detaljerade insikter ständigt efterfrågas, behövs snabbare och mer tillförlitlig realtidsprocessering. Frågan är hur en sådan lösning skulle påverka de existerande systemens prestanda och hur den kan implementeras. Denna uppsats visar utvecklingen av ett ESP system och jämför olika sätt att lösa det angivna problemet genom att jämföra arkitekturer, nätverksprotokoll och datahanteringsmetoder. Systemets prestanda har sedan testats, analyserats och jämförts med dagens existerande kommersiella program i syfta att undersöka hur realtidseventströmmar kan analyseras och användas inom distribuerade system.

Title: No thanks to unnecessary advertising! -A study on targeted marketing via Big Data in a consumer perspective Authors: Ricky Carlsson and Alexander Vilhelmsson Supervisor: Anders Parment Key words: Targeted marketing, Big Data, Customer segmentation, Buying process, Integrity concern, Customer relationship management, Marketing communication, Strategic management, Big Data management, Online Behavioural Targeting Introduction: In a world that is globalizing and where digital development is advancing, companies have had to adapt. In recent times with the increasingly more digital world, technology has become an increasingly more relevant factor, not least in marketing. A digital method that has emerged is Big Data, whichmakes it possible forcompanies tocollect large amounts of information about consumers. By analysing the information extracted from Big Data, it is easier to find and understand consumers' needs and what motivates their buying process. It is important that companies analyse the information correctly so that they do not run the risk of creating negative effects from targeted marketing via Big Data. Purpose: To investigate Swedish consumers' attitudestowards targeted marketing via Big Data and to find out how companies that sell goods and services to consumers can improve their use of Big Data in targeted marketing from a consumer perspective. Method: The study is a cross-sectional study of a qualitative and quantitative nature. The qualitative empirical data consists of 11 semi-structured interviews with students in Sweden. The quantitative empirical data consists of 203 survey answers collected from consumers around Sweden. The study is based on an abductive approach and has a hermeneutic approach. Conclusion: The result of the study shows that there are both opportunities and challenges for companies when using Big Data in targeted marketing. Targeted marketing with the help of Big Data that is performed correctly should only have a positive impact on the targeted marketing and something that creates value for both the consumers and the companies, but this is not the case today. The population of the study perceives that marketing often does not match their needs; this shows that companies must become better at analysing the data. If the data extracted from Big Data is analysed in a better way, the segmentation of consumers will also be better. / Titel: Nej tack till onödig reklam! - En studie om riktad marknadsföring via Big Data i ett konsumentperspektiv. Författare: Ricky Carlsson och Alexander Vilhelmsson Handledare: Anders Parment Bakgrund: I en värld som globaliseras och där den digitala utvecklingen går framåt har företag varit tvungna att anpassa sig. På senare tid i takt med den ständigt mer digitaliserade världen har teknologi blivit en alltmer relevant faktor, inte minst inom marknadsföring. En digital metod som har vuxit fram är Big Data genom vilken företag har möjlighet att samla in stora mängder information om konsumenter. Genom att analysera informationen som utvinns från Big Data går det att lättare finna och förstå konsumenters behov och vad som motiverar deras köpprocess. Det är viktigt att företag analyserar informationen på rätt sätt för att inte löpa risken att skapa negativa effekter av den riktade marknadsföringen via Big Data. Syfte: Att undersöka svenska konsumenters attityder till riktad marknadsföring via Big Data samt ta reda på hur företag som säljer varor eller tjänster till konsumenter kan förbättra användningen av Big Data inom riktad marknadsföring utifrån ett konsumentperspektiv. Metod: Studien är en tvärsnittsstudie av kvalitativ och kvantitativ karaktär. Den kvalitativa empirin består av 11 semi-strukturerade intervjuer med studenter i Sverige. Den kvantitativa empirin består av 203 insamlade enkätsvar från konsumenter runt om i Sverige. Studien grundas i en abduktiv ansats och har ett hermeneutiskt synsätt. Slutsatser: Resultatet i studien visar på att det finns möjligheter och utmaningar för företag vid användning av Big Data inom riktad marknadsföring. En riktad marknadsföring medhjälp av Big Data som utförs på rätt sätt borde enbart ha en positiv påverkan på den riktade marknadsföringen och något som skapar värde för konsumenter och företag, men så är inte fallet idag. Då studiens population uppfattar att den riktade marknadsföringen ofta inte matchar deras behov bör företag bli bättre på att analysera data. Om data som utvinns från Big Data analyseras på ett bättre sätt kommer även segmenteringen av konsumenter att bli bättre.